Detecção e humanização de textos de LLMs: análise

Resumo

Este relatório apresenta uma análise técnica abrangente de dois problemas estreitamente relacionados no processamento de linguagem natural aplicado: (1) a detecção automatizada de textos gerados por máquina e (2) a transformação de textos gerados por máquina em uma saída semelhante à humana e estatisticamente indistinguível — processo aqui denominado humanização de IA.

Examinamos os fundamentos matemáticos da detecção — especificamente a pontuação de perplexidade sob priors de modelos de linguagem autorregressivos, a burstiness como medida da variância do comprimento das frases e a identificação de impressões digitais específicas de cada modelo por meio de análise estilométrica e de marcas d’água no espaço de logits. Em seguida, caracterizamos o problema da humanização como uma tarefa de geração adversarial de texto e analisamos as diferenças arquitetônicas entre as abordagens baseadas em paráfrase e a reescrita generativa completa por meio de um modelo de linguagem separado.

Principais conclusões: (a) os detectores existentes operam com pressupostos distribucionais que deixam de valer sob mudança de domínio e em textos de falantes não nativos; (b) a humanização baseada em paráfrase preserva o prior generativo e tende a falhar diante de detectores baseados em perplexidade; (c) a reescrita por modelo completo com geração entre modelos produz textos cuja perplexidade em nível de token, sob o modelo de origem, é estatisticamente indistinguível da de textos escritos por humanos; (d) os esquemas emergentes de marca d’água apresentam uma superfície de detecção mais robusta, que as abordagens atuais de humanização não conseguem superar sem acesso à chave da marca d’água.

Palavras-chave: perplexidade, burstiness, geração autorregressiva, marca d’água em logits, impressão digital estilométrica, geração adversarial de texto, mudança distribucional, entropia cruzada, entropia de Shannon, distribuição de probabilidade em nível de token

1. Introdução e formulação do problema

A proliferação de grandes modelos de linguagem (LLMs) capazes de gerar textos fluentes e coerentes criou um problema de uso dual: a mesma capacidade generativa que viabiliza ferramentas de produtividade cria a possibilidade de conteúdos que ocultam a sua verdadeira origem. Isso impulsionou o desenvolvimento paralelo de duas linhas de pesquisa adversariais — a detecção de textos gerados por máquina (MGTD) e a humanização de textos gerados por máquina (MGTH).

Definimos o espaço formal do problema da seguinte forma. Seja H o espaço de textos escritos por humanos e M o espaço de textos gerados por máquina. Um detector ideal D : T → {0,1} mapeia qualquer texto t para um rótulo binário (humano vs. máquina), enquanto um humanizador ideal F : M → H mapeia textos gerados por máquina para a distribuição humana. Na prática, tanto D quanto F são funções probabilísticas que operam sobre variedades distribucionais sobrepostas — a tensão adversarial entre elas é o tema central deste relatório.

1.1 O problema do prior generativo

Os LLMs modernos geram texto por amostragem de uma distribuição de probabilidade condicional sobre os tokens do vocabulário V:

P(t₁, t₂, \dots, tₙ) = \prodᵢ P(tᵢ | t₁, \dots, tᵢ₋₁; θ) Fatoração autorregressiva

em que θ representa os parâmetros do modelo. A cada passo de geração, o modelo calcula um vetor de logits z ∈ ℝ^|V| e aplica uma transformação softmax para obter as probabilidades dos tokens. A estratégia de amostragem — argmax (gulosa), top-k, núcleo (top-p) ou amostragem com temperatura — determina as propriedades estatísticas da distribuição de saída.

A percepção crucial para a detecção: esse processo generativo produz textos que, sob a distribuição de probabilidade do modelo de origem, têm perda de entropia cruzada sistematicamente menor do que textos escritos por humanos. A escrita humana reflete um processo generativo diferente — moldado por limitações da memória de trabalho, revisão, estado emocional, variação de conhecimento especializado e idiossincrasias de estilo — que produz uma distribuição estatisticamente distinta, mesmo quando o conteúdo semântico é idêntico.

2. Detecção de textos de IA: fundamentos técnicos

2.1 Detecção baseada em perplexidade

A perplexidade é a métrica fundamental da detecção de textos gerados por máquina. Para uma sequência de tokens t = (t₁, t₂, …, tₙ), a perplexidade sob o modelo de linguagem M é definida como:

PPL(t) = exp(- (1/n) \sumᵢ log P M (tᵢ | t₁, \dots, tᵢ₋₁)) Definição de perplexidade

De forma equivalente, a perplexidade é a exponencial da perda de entropia cruzada do modelo sobre a sequência. Uma perplexidade menor indica que o modelo atribui maior probabilidade à sequência — ou seja, a sequência é altamente previsível sob a distribuição aprendida pelo modelo.

2.1.1 Por que textos gerados por máquina têm baixa perplexidade

Os LLMs são treinados para minimizar a perda de entropia cruzada em textos humanos, o que os leva a aproximar a distribuição dos textos humanos. No entanto, durante a geração, eles aplicam também restrições de amostragem (temperatura, top-k/top-p) que tendem a concentrar a massa de probabilidade — na prática, amostrando de uma versão mais concentrada da distribuição aprendida.

# Perplexity computation (simplified)
def compute_perplexity(text: str, model, tokenizer) -> float:
    tokens = tokenizer(text, return_tensors='pt')
    with torch.no_grad():
        outputs = model(**tokens, labels=tokens['input_ids'])
        nll = outputs.loss  # negative log-likelihood
    return torch.exp(nll).item()

# Detection threshold (empirically derived)
DETECTION_THRESHOLD = 20.0  # lower = more likely AI
is_ai_generated = compute_perplexity(text, model, tokenizer) < DETECTION_THRESHOLD

2.1.2 Distribuição das pontuações de perplexidade

Empiricamente, detectores bem calibrados observam as seguintes distribuições aproximadas de perplexidade em diferentes corpora:

Origem do texto	Média de PPL	Desvio padrão de PPL	Faixa típica
Escrita acadêmica humana	52.3	18.7	25 – 110
Blog humano / informal	67.8	31.2	18 – 180
GPT-4 (temp=0.7, top-p=0.9)	14.6	6.2	7 – 35
Claude 3 Sonnet	16.9	7.8	8 – 42
GPT-4 + passagem pelo humanizador	38.4	14.1	18 – 85
Escrita humana de falantes de inglês como segunda língua (ESL)	21.3	9.4	10 – 55

A sobreposição entre as distribuições da escrita humana ESL e da saída do GPT-4 (ambas centradas em torno de PPL ≈ 15–25) é o principal fator por trás das taxas de falsos positivos contra falantes não nativos. Isso não é uma falha de calibração — reflete uma sobreposição distribucional real, que não pode ser resolvida ajustando os limiares de detecção.

2.1.3 Detectores de perplexidade zero-shot

Os detectores zero-shot não exigem treinamento — usam as próprias estimativas de probabilidade do modelo de origem. A abordagem canônica (Mitchell et al., 2023; DetectGPT) calcula a razão de log-probabilidade entre o texto original e perturbações dele:

S(t) = log P M (t) - E q(t'|t) [log P M (t')] Função de pontuação do DetectGPT

A intuição: textos gerados por máquina tendem a ficar próximos de máximos locais da função de log-probabilidade do modelo, enquanto textos humanos não. Por isso, perturbações em textos gerados por máquina tendem a reduzir a log-probabilidade, enquanto perturbações em textos humanos podem aumentá-la ou reduzi-la aleatoriamente.

2.2 Análise de burstiness

A burstiness, conceito trazido da teoria da informação e da ciência de redes, mede a variabilidade dos intervalos entre eventos em um processo pontual. Aplicada a textos, ela caracteriza a variância do comprimento das frases:

B = (σ L - μ L) / (σ L + μ L) Coeficiente de burstiness (Goh & Barabási, 2008)

em que μ_L é o comprimento médio das frases (em tokens) e σ_L é o seu desvio padrão. B ∈ [−1, 1]: B → −1 indica espaçamento perfeitamente regular, B = 0 indica variância com distribuição de Poisson e B → 1 indica padrões altamente irregulares, em rajadas.

import numpy as np

def compute_burstiness(sentences: list[str]) -> float:
    lengths = [len(s.split()) for s in sentences]
    mu = np.mean(lengths)
    sigma = np.std(lengths)
    if mu + sigma == 0:
        return 0.0
    return (sigma - mu) / (sigma + mu)

# Typical empirical values:
# Human prose:     B ∈ [0.15, 0.45]
# GPT-4 default:   B ∈ [-0.10, 0.10]
# After humanizer: B ∈ [0.12, 0.38]

Nota técnica: burstiness e o modelo de processo de renovação

Formalmente, a geração de frases pode ser modelada como um processo de renovação em que os intervalos entre renovações correspondem ao comprimento das frases. A escrita humana apresenta dinâmicas de renovação não poissonianas, com caudas pesadas — o comprimento das frases segue distribuições aproximadamente log-normais ou de Weibull, e não a distribuição quase exponencial produzida por LLMs que amostram sob restrições de temperatura. Detectores que ajustam distribuições paramétricas às sequências de comprimento de frases, em vez de calcular estatísticas resumidas, são mais robustos à manipulação adversarial.

2.3 Impressões digitais de modelos e análise estilométrica

Além das estatísticas agregadas, cada LLM apresenta impressões digitais estilométricas consistentes, decorrentes da composição dos seus dados de treinamento, dos objetivos de ajuste fino por RLHF e de diferenças arquitetônicas.

2.3.1 Impressões digitais lexicais

Termo	Observação
delve	Significativamente super-representado na saída do Claude/GPT-4 em comparação com a escrita acadêmica humana (razão de frequência de 7,3x)
certainly	Usado como afirmação no início da frase em taxas >5x acima da linha de base humana; forte marcador do GPT-3.5/4
furthermore	Usado em excesso como conector entre parágrafos; a densidade de transições é 2–4x a linha de base humana
crucial	Aparece em ~12% dos parágrafos do GPT-4 que tratam de importância vs. ~3% em textos humanos
leverage (v.)	Marcador de escrita empresarial/técnica; super-representação de 3,8x em conteúdo gerado pelo ChatGPT
tapestry	Marcador de uso excessivo de metáforas; específico de certos padrões de recompensa do ajuste fino por RLHF

As impressões digitais lexicais são frágeis — mudam a cada versão do modelo e podem ser contornadas com instruções explícitas no prompt. São mais úteis como evidência complementar do que como sinais primários de detecção.

2.3.2 Impressões digitais sintáticas

Mais robustos que as impressões digitais lexicais, os padrões sintáticos refletem preferências aprendidas pelo modelo que são mais estáveis entre versões de ajuste fino: taxa de voz passiva (2–3x a da escrita humana informal), densidade de sintagmas nominais, encaixamento central mais raso do que em textos acadêmicos humanos, uso excessivo de estruturas de lista paralela com três itens e concentração de atenuadores nos limites dos parágrafos, em vez de distribuídos ao longo do texto.

2.3.3 Impressões digitais no nível do discurso

As impressões digitais mais robustas operam no nível do discurso: proeminência da frase-tópico (>94% na primeira posição vs. ~73% em textos humanos), homogeneidade no tamanho dos parágrafos, densidade de palavras de transição 1,8x acima da linha de base humana e uma relação entre afirmações e evidências mais constante ao longo do documento.

2.4 Marca d’água em logits

A abordagem de detecção tecnicamente mais robusta é a marca d’água em logits (Kirchenbauer et al., 2023), que incorpora um sinal estatisticamente detectável ao próprio processo de geração. A cada passo de geração, o vocabulário V é particionado de forma pseudoaleatória em uma lista ‘verde’ G e uma lista ‘vermelha’ R, usando um hash do token anterior como semente:

G t = HashPartition(t i-k:i, γ)|V| em que |G| = γ|V| Geração da lista verde (γ = razão de partição)

Durante a geração, os logits dos tokens da lista verde são ampliados por um parâmetro de intensidade δ antes da normalização softmax:

z' j = z j + δ \cdot 1[j \in G t] para j \in V Etapa de perturbação dos logits

A detecção usa um teste z unilateral sobre a fração de tokens verdes:

z = (|G tokens | - γn) / \sqrt(nγ(1-γ)) ~ N(0,1) sob H₀ Estatística z para detecção de marca d’água

Propriedade crítica: robustez da marca d’água

A marca d’água em logits é qualitativamente diferente das impressões digitais estatísticas porque não depende de pressupostos distribucionais que possam ser contornados pela humanização. A marca d’água está incorporada na própria sequência de tokens. Removê-la sem acesso à função de hash e à chave de partição exige reescrever tokens suficientes para destruir o sinal estatístico — o que, se feito de forma completa, constitui o próprio problema da humanização. As abordagens atuais de humanização que preservam o conteúdo semântico não conseguem superar de forma confiável esquemas de marca d’água fortes. No entanto, nenhum grande provedor de modelos implementa isso em escala até o 1º trimestre de 2026.

3. Humanização de textos de IA: abordagens técnicas

3.1 Taxonomia dos métodos de humanização

Abordagem	Profundidade do processamento	Impacto na perplexidade	Impacto na burstiness
Substituição por sinônimos	Lexical (nível da palavra)	Mínimo — prior inalterado	Nenhum
Transformação sintática	Sintático (nível da oração)	Moderado — alguma perturbação	Leve melhora
Modelo de paráfrase	Semântico superficial	Moderado — perturbação parcial	Melhora moderada
Reescrita completa por LLM	Semântico-pragmático	Alto — novo prior generativo	Melhora significativa

3.2 Abordagens baseadas em paráfrase: por que falham

O modo de falha fundamental pode ser formulado de maneira formal. Seja t_AI um texto gerado por máquina e t_para = Paraphrase(t_AI) a sua paráfrase:

PPL M (t para) \approx PPL M (t AI) quando Paraphrase preserva o conteúdo semântico Teorema da preservação do prior (informal)

Isso ocorre porque o modelo de paráfrase é, ele próprio, um LLM treinado para minimizar a perda de reconstrução na mesma distribuição, o que significa que as suas saídas também têm baixa perplexidade sob o modelo de pontuação. A paráfrase que preserva a semântica restringe a saída à mesma região do espaço de significados.

# Empirical validation: perplexity before/after paraphrase
original_ai_text = generate_with_gpt4(prompt)
paraphrased_text = quillbot_paraphrase(original_ai_text)

ppl_original = compute_perplexity(original_ai_text, gpt4_scoring_model)
ppl_paraphrased = compute_perplexity(paraphrased_text, gpt4_scoring_model)

# Typical observed result:
# ppl_original:    14.2
# ppl_paraphrased: 17.8 (<20% change — still within AI distribution)
# Threshold for detection: PPL < 25 → still flagged as AI

3.3 Reescrita generativa completa: a abordagem entre modelos

A reescrita generativa completa com um LLM diferente é a única abordagem que resolve de forma fundamental o problema do prior generativo:

Teorema da reescrita entre modelos (informal)

Se o modelo M_A gera o texto t_A e o modelo M_B (A ≠ B) o reescreve, produzindo t_B com o mesmo conteúdo semântico, então PPL_{M_A}(t_B) é determinada pelo prior generativo de M_B, e não pelo de M_A. Como M_A e M_B têm priors generativos diferentes, resultantes de dados de treinamento, arquiteturas e objetivos de RLHF distintos, t_B terá perplexidade maior sob M_A do que t_A — possivelmente o suficiente para contornar detectores baseados em M_A.

3.3.2 O papel da temperatura e dos parâmetros de amostragem

# Effect of temperature on humanization quality

temperature = 0.0   # Greedy decoding
# Result: deterministic output, PPL ≈ source model output
# Burstiness improvement: minimal

temperature = 0.7   # Standard setting
# Result: PPL increases 40-60% vs. source, B increases ~0.12

temperature = 1.0   # Full temperature
# Result: PPL increases 80-120% vs. source, B increases ~0.22
# Trade-off: more frequent quality degradation

# Optimal: high temperature + top-p=0.9 + repetition_penalty=1.1
# Maximizes distributional shift while maintaining fluency

3.3.3 Engenharia de prompts de instrução para humanização

# Effective humanization prompt structure
HUMANIZER_PROMPT = """
Você vai reescrever o texto a seguir para que pareça ter sido escrito por um humano.

Requisitos principais:
- Gere tudo a partir dos seus próprios padrões de linguagem — não preserve
  as estruturas de frase do original
- Varie bastante o tamanho das frases: misture frases de 5-8 palavras com
  frases analíticas de 25-40 palavras
- Inclua pelo menos um momento de ressalva epistêmica por parágrafo
  ('na maioria dos casos', 'tende a', 'as evidências sugerem')
- Use contrações e uma linguagem coloquial natural ao longo do texto
- Evite: 'além disso', 'ademais', 'aprofundar', 'crucial', 'certamente'
  como afirmações no início das frases
- Preserve todo o conteúdo factual e a estrutura lógica
- A saída NÃO deve começar com a mesma palavra que a entrada

Texto de entrada:
{source_text}
"""

4. Dinâmica adversarial: a corrida armamentista

4.1 O jogo entre detecção e humanização

A detecção e a humanização podem ser modeladas como um jogo de dois jogadores. Seja D_θ um detector e H_φ um humanizador:

min φ max θ E[D θ (H φ (t AI))] - λ \cdot SemanticLoss(t AI, H φ (t AI)) Objetivo minimax da humanização

Na prática, nenhum dos jogadores tem acesso aos parâmetros do outro, então trata-se de um jogo de informação incompleta. Os humanizadores otimizam contra comportamentos observáveis dos detectores; os detectores são retreinados à medida que as estratégias de humanização se tornam conhecidas.

4.2 Estado atual do equilíbrio (1º trimestre de 2026)

Detectores baseados em perplexidade: superados pela reescrita completa com um modelo de arquitetura diferente. Os humanizadores atuais de reescrita completa tendem a reduzir as taxas de detecção a níveis próximos do acaso em textos bem construídos.

Detectores baseados em burstiness: parcialmente superados. Humanizadores ajustados por instrução que variam explicitamente o comprimento das frases alcançam B ∈ [0,15, 0,35], com sobreposição substancial com a distribuição humana.

Detectores de impressão digital estilométrica: superados por prompts negativos e pela reescrita completa, que substitui a impressão digital do modelo de origem pela do modelo que reescreve.

Classificadores ensemble multicaracterísticas: parcialmente superados. As reescritas completas tratam 60–80% das características, mas deixam um sinal residual nos padrões do nível do discurso.

Marca d’água em logits: atualmente não é superada por nenhuma ferramenta de humanização disponível publicamente. O sinal da marca d’água não pode ser removido sem acesso à função de hash.

4.3 Análise de falsos positivos

Fator de falso positivo	Magnitude	Mecanismo
Textos em inglês de falantes não nativos	Alta (10–20% de FP)	Vocabulário controlado + registro formal produzem a mesma pegada distribucional da saída de LLMs
Escrita acadêmica formal	Moderada (5–15%)	As convenções do estilo acadêmico coincidem com as impressões digitais estilométricas dos LLMs
Textos técnicos de domínio específico	Moderada (5–10%)	O vocabulário restrito reduz a entropia; frases precisas reduzem a burstiness
Textos muito editados	Baixa a moderada (3–8%)	Várias rodadas de edição suavizam as irregularidades de estilo
Documentos com muitas listas	Alta dentro das seções	Conteúdo em itens tem burstiness próxima de zero
Textos muito curtos (<200 palavras)	Muito alta (15–40%)	Massa estatística insuficiente para uma classificação confiável

5. AI Humanizer do MultipleChat: arquitetura técnica

5.1 Visão geral do sistema

O AI Humanizer do MultipleChat implementa um pipeline completo de reescrita entre modelos com cinco componentes arquitetônicos: (1) pré-processamento e segmentação do texto de origem, (2) seleção de modelo e engenharia de prompts, (3) geração entre modelos com parâmetros de amostragem controlados, (4) verificação de qualidade pós-geração e (5) reforço opcional da burstiness.

# Simplified pipeline architecture
class MultipleChat_Humanizer:
    def __init__(self, rewriter_model: str):
        self.model = load_model(rewriter_model)  # Claude, GPT-4, Gemini, Grok
        self.detector = load_detector('multiplechat-v2')
        self.segmenter = SemanticSegmenter()

    def humanize(self, source_text: str, instructions: str = '') -> HumanizationResult:
        # 1. Segment into semantically coherent chunks
        segments = self.segmenter.segment(source_text, max_tokens=4096)
        # 2. Construct humanization prompt
        prompt = build_humanization_prompt(segments, instructions, target_burstiness=0.25)
        # 3. Cross-model generation
        rewritten = self.model.generate(
            prompt, temperature=0.85, top_p=0.92,
            frequency_penalty=0.3, presence_penalty=0.2
        )
        # 4. Quality gate: semantic similarity check
        sim = semantic_similarity(source_text, rewritten)
        if sim < 0.75:
            rewritten = self.retry_with_stricter_prompt(source_text)
        # 5. Detection score computation for user feedback
        detection_score = self.detector.score(rewritten)
        return HumanizationResult(
            text=rewritten, detection_score=detection_score,
            burstiness=compute_burstiness(rewritten), semantic_similarity=sim
        )

5.2 Seleção de modelos e características comparativas

O ajuste fino por RLHF do Claude tende a produzir saídas com maior densidade de atenuadores e construções sintáticas mais variadas, gerando a maior melhora de burstiness (melhora média de B: +0,19). O GPT-4 produz frases mais curtas e sintaticamente mais regulares — uma vantagem para conteúdo técnico, mas com ganhos menores de burstiness (melhora média de B: +0,12).

Princípio arquitetônico fundamental

A melhora da humanização é máxima quando o modelo que reescreve e o modelo de pontuação do detector são arquitetonicamente distantes. Isso porque a detecção baseada em perplexidade mede o quão previsível o texto é sob o modelo do detector — e um texto gerado por outra família de modelos é inerentemente menos previsível. O suporte do MultipleChat a quatro famílias de modelos distintas permite escolher o modelo de reescrita mais distante possível do detector provável.

5.3 O detector de IA do MultipleChat

O detector do MultipleChat implementa um classificador ensemble multicaracterísticas treinado com saídas dos quatro modelos suportados. O conjunto de características inclui características de perplexidade (calculadas com vários modelos de pontuação), de burstiness (no nível da frase e do parágrafo), lexicais (densidade de atenuadores, contagem de marcadores de IA, taxa de contrações, taxa de voz passiva), de discurso (posição da frase-tópico, densidade de transições, variância do tamanho dos parágrafos) e de entropia (entropia de Shannon de unigramas e bigramas de tokens).

# Geração do mapa de calor por frase (simplificada)
def generate_heatmap(text: str) -> list[SentenceScore]:
    sentences = sent_tokenize(text)
    scores = []
    for i, sent in enumerate(sentences):
        # Janela de contexto: 2 frases antes e depois
        context_start = max(0, i-2)
        context_end = min(len(sentences), i+3)
        context = ' '.join(sentences[context_start:context_end])
        sent_features = {
            'local_ppl': perplexity(context, scoring_model),
            'sent_length': len(sent.split()),
            'has_hedge': bool(re.search(HEDGE_PATTERN, sent)),
            'ai_markers': count_ai_markers(sent, AI_LEXICAL_SET),
        }
        score = ensemble_classifier.predict_proba(sent_features)[1]
        scores.append(SentenceScore(sentence=sent, ai_prob=score))
    return scores

6. Modos de falha e problemas em aberto

6.1 Modos de falha da humanização

Deriva semântica sob humanização agressiva: a reescrita com temperatura alta pode produzir deriva semântica — o texto reescrito preserva o tema geral, mas perde afirmações factuais específicas ou distinções sutis. O trade-off de qualidade:

SemanticSimilarity ↓ à medida que Δ(PPL) ↑ Trade-off de qualidade da humanização

O humanizador do MultipleChat trata isso com um filtro de similaridade semântica (similaridade de cosseno > 0,75 no espaço de embeddings) que aciona uma nova tentativa com um prompt mais restritivo se for detectada deriva.

Alucinação em conteúdo factual: o modelo que reescreve pode substituir fatos, datas ou estatísticas específicas por alternativas plausíveis, porém incorretas. O conteúdo factual exige verificação humana após a humanização. Atualmente, o pipeline não implementa verificação automática de fatos — isso é apontado como um problema em aberto.

Deriva de registro e formalidade: sem uma especificação explícita de registro, o modelo que reescreve adota o seu próprio registro preferido. Textos de origem muito formais (jurídicos, médicos) ou muito informais (marketing, redes sociais) podem não corresponder sem uma instrução explícita.

6.2 Modos de falha da detecção

Mudança de domínio: detectores treinados em corpora de domínio geral apresentam queda significativa de precisão em domínios especializados. Um detector com 92% de precisão em textos gerais da web pode cair para 65–70% em relatos de casos médicos ou contratos jurídicos.

Efeitos do tamanho: em textos com menos de 200 palavras, as estimativas estatísticas têm intervalos de confiança largos demais para uma classificação confiável. Abaixo de 100 palavras, a maioria dos detectores opera perto do nível do acaso.

Textos compostos: documentos que intercalam seções humanas e de IA apresentam uma distribuição mista que derrota classificadores no nível do documento. A detecção por segmento resolve isso parcialmente, mas exige muito mais processamento.

6.3 Problemas em aberto

Marca d’água que preserva a semântica: um esquema que incorpore marcas d’água no nível semântico seria resistente a ataques de paráfrase, continuando detectável por meio de análise semântica.

Detecção multilíngue: a maioria dos detectores é treinada e avaliada com textos em inglês. O desempenho em outros idiomas é substancialmente pior, o que gera preocupações sérias de equidade.

Atribuição de autoria colaborativa: ainda não existem ferramentas confiáveis para quantificar a fração de contribuição humana vs. de IA em textos escritos de forma colaborativa.

Treinamento adversarial para robustez: atualmente não existe um arcabouço teórico para caracterizar o equilíbrio da teoria dos jogos e prever a precisão da detecção nesse equilíbrio.

Verificação formal da preservação factual: nenhuma abordagem atual verifica de forma confiável se o texto humanizado preserva todo o conteúdo factual da origem — tecnicamente, um problema de inferência em linguagem natural (NLI) em escala.

7. Conclusões

1. A detecção baseada em perplexidade é teoricamente bem fundamentada, mas frágil na prática. A sobreposição distribucional entre a escrita humana ESL e a saída de LLMs torna as taxas de falsos positivos inaceitavelmente altas para decisões de peso, em qualquer limiar de detecção que mantenha uma sensibilidade razoável.

2. A humanização baseada em paráfrase não resolve o prior generativo. A substituição por sinônimos e a transformação sintática preservam a assinatura de baixa perplexidade da saída de LLMs sob o modelo de origem. A reescrita completa entre modelos é a única abordagem que muda a distribuição geradora.

3. A detecção ensemble multicaracterísticas é mais robusta que as abordagens de característica única. Combinar perplexidade, burstiness, características estilométricas e análise no nível do discurso supera substancialmente qualquer característica isolada.

4. A marca d’água em logits é a única abordagem de detecção tecnicamente robusta. No entanto, ela exige implementação no nível do provedor do modelo e não foi adotada em escala até o 1º trimestre de 2026.

5. O equilíbrio adversarial favorece a humanização em relação à detecção no curto prazo. Sem marca d’água em logits ou mecanismos criptográficos de proveniência equivalentes, as pontuações de detecção devem ser tratadas como sinais probabilísticos que exigem evidências complementares, e não como veredictos definitivos.

Referências

Goh, K. I., & Barabási, A. L. (2008). Burstiness and memory in complex systems. EPL (Europhysics Letters), 81(4), 48002.

Kirchenbauer, J., Geiping, J., Wen, Y., Katz, J., Miers, I., & Goldstein, T. (2023). A watermark for large language models. Proceedings of ICML 2023.

Mitchell, E., Lee, Y., Khazatsky, A., Manning, C. D., & Finn, C. (2023). DetectGPT: Zero-shot machine-generated text detection using probability curvature. Proceedings of ICML 2023.

Zhao, X., Ananth, P., Li, L., & Yu, T. (2023). Provable robust watermarking for AI-generated text. arXiv:2306.17439.

Gehrmann, S., Strobelt, H., & Rush, A. M. (2019). GLTR: Statistical detection and visualization of generated text. Proceedings of ACL 2019 System Demonstrations.

Zellers, R., Holtzman, A., Rashkin, H., Bisk, Y., Farhadi, A., Roesner, F., & Choi, Y. (2019). Defending against neural fake news. Advances in NeurIPS 32.

Ippolito, D., Duckworth, D., Callison-Burch, C., & Eck, D. (2020). Automatic detection of generated text is easiest when humans are fooled. Proceedings of ACL 2020.

Uchendu, A., Le, T., Shu, K., & Lee, D. (2020). Authorship attribution for neural text generation. Proceedings of EMNLP 2020.

Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779.

Sadasivan, V. S., Kumar, A., Balasubramanian, S., Wang, W., & Feizi, S. (2023). Can AI-generated text be reliably detected? arXiv:2303.11156.

Apêndice A: referência de notação matemática

Símbolo	Definição
P_M(t)	Probabilidade atribuída ao texto t pelo modelo de linguagem M
PPL_M(t)	Perplexidade do texto t sob o modelo M
H(X)	Entropia de Shannon da variável aleatória X
KL(P\|\|Q)	Divergência de Kullback-Leibler de Q para P
B	Coeficiente de burstiness (Goh & Barabási, 2008)
μ_L, σ_L	Média e desvio padrão da distribuição do comprimento das frases
G_t, R_t	Listas de tokens verdes e vermelhos no passo de geração t
γ	Razão de partição da lista verde (normalmente 0,5)
δ	Parâmetro de ampliação dos logits que define a intensidade da marca d’água
θ, φ	Vetores de parâmetros do detector e do humanizador
S(t)	Função de pontuação do DetectGPT (razão de log-probabilidade)
V	Conjunto do vocabulário de tamanho \|V\|
z ∈ ℝ^\|V\|	Vetor de logits antes da normalização softmax
sim(t₁, t₂)	Similaridade semântica (cosseno no espaço de embeddings)

Apêndice B: resumo dos benchmarks empíricos

Precisão da detecção por método de humanização (GPTZero v4 como detector de referência, n=500 textos por célula):

Método de humanização	Taxa de detecção	TFP (humano)	Sim. semântica	Burstiness B
Sem humanização (IA bruta)	91.3%	8.2%	1.00	-0.07
Substituição por sinônimos	87.4%	8.5%	0.97	-0.05
QuillBot (modo Creative)	74.2%	9.1%	0.91	0.08
Reescrita completa (Claude)	28.6%	8.8%	0.83	0.24
Reescrita completa (GPT-4)	31.2%	8.4%	0.86	0.19
Humanizer do MultipleChat	22.4%	9.0%	0.81	0.27
Linha de base humana	8.2%	—	—	0.31

Observação: todos os números são aproximações baseadas em condições experimentais controladas. As taxas de detecção no mundo real variam significativamente conforme o domínio, o tamanho do texto e a versão do detector. A TFP de 8,2% da linha de base humana representa a taxa irredutível de falsos positivos do GPTZero v4 em textos acadêmicos escritos por humanos.

AI Humanizer e detector do MultipleChat

Reescrita completa entre modelos com Claude, ChatGPT, Gemini e Grok. Detecção ensemble multicaracterísticas com mapas de calor por frase.

Experimente o humanizador Experimente o detector

detecção por perplexidade análise de burstiness marca d’água em logits reescrita entre modelos impressão digital estilométrica MultipleChat Research

Versão	1.0
Classificação	Pública
Elaborado por	MultipleChat Research